传统回归模型比较：OLS、RIDGE、ENET、LASSO、SCAD、MCP、分位数回归｜中信建投金融工程专题

报告摘要

本报告系统比较了OLS、Ridge、Lasso、ENet、SCAD、MCP及分位数回归等七种传统回归模型，基于“偏差-方差”分解理论，深入分析各方法在变量选择、预测稳健性及过拟合控制上的优劣。核心发现：Lasso因凸优化易计算且能压缩系数至零，实用性强；SCAD满足渐近无偏性但计算复杂；分位数回归无需同方差假设，抗异常点能力强。报告还通过数值模拟（样本量100/1000）及实际案例（PPI、海外利率对长债利率的影响）验证模型效果。适合量化研究员、金融工程师、数据分析师及统计学习者参考。

📋 核心要点(部分)

1. 前言
2. 基于“偏差—方差”分析的模型估计
3. 带惩罚函数的最小二乘回归